Hva er Fabric Activator?

Fabric Activator er en no-code hendelsesdeteksjonsmotor som omdanner datastrømmer til automatiserte handlinger. Den utløser automatisk handlinger når spesifikke mønstre eller betingelser oppdages i datakilder. Den overvåker kontinuerlig disse datakildene med lav latens (subsekund for tilstandsløse regler på strømmende data), og iverksetter handlinger når terskler nås eller spesifikke mønstre oppdages. Disse handlingene kan inkludere å sende e-poster eller Teams-varsler, starte Power Automate-flyter, eller integrere med tredjepartssystemer.

Kjernearkitektur

Activator er hendelsesdeteksjons- og regelmotoren i hjertet av Fabric Real-Time intelligensstakken. Arkitektonisk fungerer den som en intelligent observatør - forbruker datastrømmer med høy hastighet, evaluerer regelforhold i nær sanntid og initierer automatiserte nedstrømshandlinger basert på endringer i hendelsestilstander.

Den passer inn i en reaktiv, hendelsesdrevet arkitektur hvor data flyter kontinuerlig, og Activator tar beslutninger basert på tilstandsbaserte evalueringer av hendelsesdata i nær sanntid.

• Kilder til hendelser

  Activator kobler direkte til hendelsesstrømmer, som importerer data fra ulike produsenter (Azure Event Hubs, IoT-enheter, egendefinerte endepunkter og andre kilder). Disse strømmene fungerer som kilden til hendelser, og Activator kan abonnere på én eller flere hendelsesstrømmer for å observere dataendringer. Andre hendelseskilder kan være Fabric eller Azure hendelser eller en Aktivator som lytter til en Power BI rapport eller et Real-Time dashbord.

• Hendelser og objekter

  Hendelser er individuelle poster (for eksempel et telemetrisignal eller en filslipp) mottatt via eventstream. Disse hendelsene grupperes i objekter basert på en delt identifikator (for eksempel grupperes alle hendelser fra samme enhet sammen med device_id, eller alle sykkelstasjonshendelser grupperes med bikepoint_id). Regler evalueres deretter per objekt, slik at finkornet gjenkjenning (for eksempel per sensor eller per ressurs).

• Regler og betingelser

  Hver aktivator inneholder én eller flere regler, som evalueres kontinuerlig. Disse reglene kan være enkle sammenligninger (value < threshold) eller betingelser som sporer endringer over tid, som BECOMES, DECREASES, INCREASES, , EXIT RANGE, eller fravær av data (hjerteslag). Aktivator sikrer tilstandssporing per objekt, noe som muliggjør kompleks mønstergjenkjenning over tid.

• Actions

  Når en regelbetingelse er oppfylt, kan Aktivering utløse:

  • pipelines, notatbøker, dataflyter, User Data Functions (UDF) (forhåndsvisning), eller spark-jobbdefinisjoner i Fabric.

  • Eksterne handlinger via Power Automate.

  • Send Teams-melding til en enkeltperson, gruppe eller kanal.

  • Send e-post.

• Varslingshåndtering og regeltesting

  Aktivator gir forhåndsversjons- og innvirkningsestimater før reglene aktiveres, og viser hvor ofte en regel ville ha startet på historiske data. Disse funksjonene bidrar til å forhindre varsling av søppelpost og overoppskyting. Internt administreres tilstandsoverganger for å undertrykke støy (for eksempel må en verdi krysse en terskel, ikke bare forbli under den).

• Overvåking og kostnadskontroll

  Du pådrar deg bare kostnader når aktivatorer kjører aktivt. Aktivatorinstanser er begrenset til Fabric-kapasiteter og kan overvåkes gjennom arbeidsområdet. Kjøretidslogger og telemetri er tilgjengelige via hendelsesstrømmer og utdata for datasamlebånd.

Distribusjonsmodell

Distribuer aktivatorinstanser for hvert arbeidsområde og bind dem til spesifikke datakilder. Flere aktivatorer kan overvåke samme strøm, så du kan bruke parallelle regelevalueringer for ulike forretningsfunksjoner. Fordi aktivator er kapasitetsbundet, gjelder pay-as-you-go-priser bare når regler er aktive. Denne prismodellen gir kostnadseffektivitet for situasjoner med intermittent deteksjon. For kjente begrensninger, se Aktivatorbegrensninger.

Integreringspunkter innen Real-Time intelligens

Aktivator som orchestrator

For å bruke Activator effektivt i store systemer, koordiner hvordan det fungerer med andre Fabric-komponenter. Optimaliser innstillinger basert på hvor mye data du behandler, hvor mange objekter du sporer, og hvor komplekse reglene dine er. Denne delen utforsker hvordan man kan orkestrere Activator med andre tjenester og hvordan man kan optimalisere deteksjonslogikk og kjøretidsatferd for å støtte lav-latens (rask), kostnadseffektiv automatisering i stor skala.

Aktivator spiller en sentral rolle i hendelsesdrevne datasamlebånd ved å evaluere data ved ankomst og utløse handlinger nedstrøms. Typiske orkestreringsmønstre inkluderer:

Kjernekonsepter

Fabric Activator overvåker kontinuerlig dataene dine og oppdager raskt når betingelsene du definerer er oppfylt, selv om dataene endres over tid. I kjernen behandler Activator sanntidshendelser som sendes ut via hendelsesstrømmen, evaluerer regelbetingelser per logisk objekt, og initierer handlinger som respons på tilstandsoverganger.

Bruk følgende konsepter for å bygge og utløse automatiserte handlinger og responser i Fabric Activator.

Hendelseskilder og hendelser

Fabric Activator behandler alle datakilder som strømmer av hendelser. En hendelse representerer en observasjon om tilstanden til et objekt og inneholder vanligvis en identifikator for objektet, et tidsstempel og verdier for feltene som overvåkes.

Hendelser som er inntatt i Activator, stammer fra:

• Eventstream, som støtter flere oppstrømskilder (for eksempel Azure Event Hubs, IoT Hub, Blob Storage-triggere). En Eventstream er en spesifikk elementtype i Microsoft Fabric, som lar deg importere, transformere og rute sanntidshendelser uten å skrive kode. Fabric Activator overvåker hendelsesstrømmen og handler automatisk når definerte mønstre eller terskler oppdages. Aktivator kan også abonnere på to eller flere hendelsesstrømmer for å observere dataendringer. Hendelsesstrømmer varierer i frekvens. IoT-sensorer avgir for eksempel hendelser flere ganger per sekund, og logistikksystemer genererer hendelser sporadisk, for eksempel når pakker skannes på leveringssteder.
• Fabric-arrangementer. For eksempel er Fabric workspace item events diskrete Fabric events som skjer når endringer gjøres i Fabric Workspace. Disse endringene inkluderer å lage, oppdatere eller slette et Fabric-element.
• Azure-hendelser. For eksempel utløses Azure Blob Storage-hendelser når en klient oppretter, erstatter eller sletter en blob.
• Forretningsarrangementer. Du kan sette varsler direkte på forretningshendelser for å automatisere handlinger når spesifikke forretningsforhold oppstår.
• Fabric Ontology forretningsenheter (forhåndsvisning). Regler kan defineres på ontologi-forretningsenheter for å initiere varsler og automatiserte handlinger, noe som muliggjør operasjonelle beslutninger basert på modellerte data.
• Power BI-rapport. I dette tilfellet er hendelsene periodiske observasjoner basert på oppdateringsplanen til en Power BI-semantisk modell (tidligere kjent som et datasett). Disse observasjonene kan forekomme daglig eller ukentlig, og danner en saktegående hendelsesstrøm. Activator integreres også med Power BI service for å varsle brukere når en ny rad dukker opp i en tabellvisuell i en publisert rapport, noe som gjør det mulig for regler å overvåke endringer på visuelt nivå og utløse varsler eller nedstrøms handlinger.
• Fabric Real-Time dashbordet.

Hver hendelse inneholder:

• Et tidsstempel
• En nyttelast (strukturerte eller halvstrukturerte data)
• Ett eller flere attributter som brukes for objektidentifikasjon (for eksempel device_id, bikepoint_id)

Objects

I Fabric Activator kalles enhetene du overvåker forretningsobjekter, som kan være enten fysiske eller konseptuelle. Eksempler inkluderer fysiske objekter som frysere, kjøretøy, pakker og brukere, og begrepsmessige objekter som reklamekampanjer, kundekontoer, brukerøkter.

Hvis du vil modellere et forretningsobjekt i Activator, kobler du til én eller flere hendelsesstrømmer, velger en kolonne som skal fungere som objekt-ID, og angir feltene du vil behandle som egenskaper for objektet.

Begrepet objektforekomst refererer til et bestemt eksempel på et forretningsobjekt, for eksempel en bestemt fryser, et kjøretøy eller en brukerøkt. Objektet refererer derimot vanligvis til den generelle definisjonen eller klassen (for eksempel fryser som type). Termpopulasjonen brukes til hele settet med objektforekomster som overvåkes.

Objektopprettingen er implisitt: Aktivatoren grupperer hendelser ved hjelp av en angitt objektnøkkel. Regler er begrenset til objekter, noe som betyr at all evalueringslogikk er objektbevisst og uavhengig på tvers av forekomster. En regelovervåking bikepoint_id oppretter for eksempel distinkte logiske evalueringer for hver unike sykkelstasjon.

Rules

Regler definerer betingelsene du vil oppdage på objektene, og handlingene som skal utføres når disse betingelsene oppfylles. En regel på et fryserobjekt kan for eksempel oppdage når temperaturen stiger over en sikker terskel og automatisk sende et e-postvarsel til den tilordnede teknikeren.

Regler i Aktivering kan være tilstandsløse eller tilstandsfulle:

• Tilstandsløse regler evaluerer hver hendelse isolert (for eksempel verdi < 50).
• Tilstandsfulle regler opprettholder minnet på tvers av hendelser per objekt (for eksempel VERDIEN REDUSERES, BLIR TIL, UTGANGSOMRÅDE).

Activator støtter også å lage regler basert på Fabric Data Warehouse SQL-spørringsresultater (forhåndsvisning). Du kan definere regler som evaluerer en SQL-spørring på en konfigurerbar tidsplan, sjekker betingelser mot resultatsettet, og utløser handlinger når betingelsene er oppfylt. Denne funksjonen muliggjør overvåking av lagerdata uten å kreve strømmingskilder. For mer informasjon, se Lag en varslingsregel på en SQL-spørring.

Tilstandsmessig evaluering er avhengig av:

• Deltagjenkjenning: Sporer endringer mellom tidligere og gjeldende hendelsesverdier.
• Tidssekvensering: Evaluerer tidsbaserte forhold som fravær av hendelser (hjerteslagsdeteksjon).
• Tilstandsoverganger: Reglene aktiveres kun ved inntreden i en ny tilstand, noe som forhindrer gjentatte skyting under uendrede forhold.

Reglene vurderes kontinuerlig. For tilstandsløse regler for strømming av data svarer systemet innen millisekunder. For regler med aggregeringer avhenger latensen av tilbakeblikksvinduet og toleransen for sen ankomst. For mer informasjon, se Latens in Activator.

Actions

Når betingelsene for en regel er oppfylt og en handling igangsettes, aktiveres regelen. De støttede målene for handlinger inkluderer:

• Fabric-pipelines (for databevegelse, berikelse).
• Fabric-notatbøker (for maskinlæringspoeng, diagnostikk).
• Fabric spark-jobber (for batch-/streamingjobber).
• Fabric dataflows (for databevegelse og transformasjon).
• Fabric User Data Functions (forhåndsvisning) (for tilpasset forretningslogikk med kode).
• Power Automate-flyter (for integrasjon av forretningsprosesser).
• Teams-varsler (ved bruk av malbaserte meldinger).
• E-postvarsler.

Når en regel utløses, sender Activator informasjon om hva som skjedde og fortsetter å overvåke uten å vente på at handlingen skal fullføres. Denne tilnærmingen muliggjør skalerbare arbeidsflyter som kan behandle mange hendelser samtidig.

Properties

Egenskaper er bestemte felt eller attributter for et forretningsobjekt som du vil overvåke. Disse kan være fysiske eller begrepsmessige egenskaper, for eksempel:

• Temperatur på en pakke
• Status for en forsendelse
• Saldo for en kundekonto
• Forhandlingspoengsum for en brukerøkt

Egenskaper kommer fra hendelsesstrømmer, som er kontinuerlige datastrømmer fra kilder som IoT-sensorer, Power BI-rapporter eller andre systemer.

Når du definerer et forretningsobjekt i Activator, kobler du til én eller flere hendelsesstrømmer, velger en kolonne som skal fungere som objekt-ID og velger andre kolonner som skal behandles som egenskaper for objektet. Du kan opprette regler for disse egenskapene for å spore endringer over tid, oppdage når en egenskap overskrider en terskel eller faller utenfor et område, eller utløse handlinger som varsler, arbeidsflyter eller varsler.

Egenskaper er også nyttige når du vil bruke logikken på nytt på tvers av flere regler. På et fryseobjekt kan du for eksempel definere en egenskap som beregner et temperaturgjennomsnitt over en time. Når den er definert, kan du referere til denne egenskapen i flere regler, som de som oppdager overoppheting, temperaturvariasjoner eller vedlikeholdsterskler – uten å duplisere logikken. Ved å sentralisere logikk i egenskaper gjør du reglene enklere å administrere, mer konsekvente og enklere å oppdatere over tid.

Tilbakeblikksperiode

Tilbakeblikksperioden er varigheten av historiske data som Activator analyserer for å evaluere en regel. Det sikrer at det finnes nok tidligere data til å nøyaktig oppdage mønstre eller beregne aggregeringer som gjennomsnitt, selv om dataene kommer sent eller uregelmessig.

Du bestemmer tilbakeblikksperioden ved:

• Hvordan du definerer regelen, for eksempel, om det krever analyse av trender, oppdagelse av avvik eller sammenligning av verdier over tid.
• Volumet av innkommende data, som antall hendelser per sekund i hendelsesstrømmen.

Vurder en farmasøytisk logistikkoperasjon som transporterer medisinpakker i en kald kjede. Målet er å motta et varsel når en pakke blir for varm.

La oss si at du definerer regelen til:

• Evaluer gjennomsnittstemperaturen for hver pakke over et tretimers vindu
• Utløse et varsel hvis gjennomsnittstemperaturen overskrider 8 °C

For å beregne denne regelen nøyaktig, må Fabric Activator analysere et bredere vindu med historiske data (for eksempel en seks timers tilbakeblikksperiode for et gjennomsnitt på tre timer). Denne prosessen sikrer at det finnes nok data til å beregne tre-timers gjennomsnittet til enhver tid, selv om dataene kommer med en viss forsinkelse eller uregelmessighet.

Tilbakeslagsperioden er avgjørende for å muliggjøre rettidig og nøyaktig gjenkjenning av forhold, spesielt i scenarioer der datamønstre utvikler seg over tid.

Distinkte, aktive objekt-ID-er

Bruk regler bygget på attributter for å overvåke hvordan spesifikke attributter til et objekt endrer seg over tid. I det farmasøytiske logistikkeksempelet representeres hver medisinpakke av en unik objekt-ID, og systemet mottar periodiske temperaturmålinger for hver pakke.

For å evaluere disse reglene effektivt, sporer Fabric Activator aktive objekt-IDer – det vil si objekter hvor hendelser ankommer innenfor den definerte tilbakeblikksperioden. Denne oppførselen sikrer at systemet kun vurderer relevante, nåværende aktive objekter når reglene anvendes.

En bomstasjon kan for eksempel spore kjøretøy (objekt-ID-er) når de passerer gjennom. Hvert kjøretøy genererer hendelser (for eksempel inn- og utgangsskanninger), og systemet evaluerer kun de objektene med nylig aktivitet.

Antallet forskjellige objekt-ID-er (antall pakker) du sporer i tilbakeblikksvinduet setter også grenser.

Vanlige brukstilfeller

Her er noen virkelige scenarioer hvor du kan bruke Fabric Activator:

• Start annonsekampanjer automatisk når salg i samme butikk avtar, noe som bidrar til å øke ytelsen på steder med underpresterende resultater.
• Varsle butikksjefer om å flytte mat fra defekte frysere før ødeleggelse oppstår.
• Utløse tilpassede arbeidsflyter for oppsøkende arbeid når en kundes reise på tvers av apper, nettsteder eller andre berøringspunkter indikerer en negativ opplevelse.
• Start proaktivt undersøkelsesflyter når en forsendelses status ikke oppdateres innen en definert tidsramme, og hjelp til å finne tapte pakker raskere.
• Varsle kontoteam når kunder faller på etterskudd, ved hjelp av tilpassede terskler for tid eller utestående saldoer per kunde.
• Overvåk pipelinetilstanden og kjør mislykkede jobber automatisk på nytt, eller varsle team når avvik eller feil oppdages.

Relatert innhold

• Veiledning: Lag og aktiver en Fabric Activator-regel
• Oversikt over aktivatorregler
• Trigg Fabric gjenstander fra en Activator-regel
• Gjenkjenningsbetingelser i Activator
• Aktivatorbegrensninger
• Lag en varslingsregel på en SQL-spørring
• Latens i Activator